建立以人為本的智慧醫療

建立以人為本的智慧醫療

講者/王偉仲(國立臺灣大學應用數學科學研究所教授)|彙整/葉珊瑀
整理自2020.10.06「AI報你知」校園講座.同名

醫學演進與人工智慧發展

1912年,美國醫師 Richard Clarke Cabot 所撰寫的 Case Histories in Medicine: Illustrating the Diagnosis, Prognosis and Treatment of Disease,統整出醫學的三大關鍵問題:診斷(diagnosis)、預後(prognosis)、治療(treatment)。時至今日,醫師在看診時仍不離這三大核心。從病患進入診間,醫師看診、檢測病人狀態,據此作出診斷,並評估疾病之後的預後發展,最後決定合適的治療方式。

除了這個行之有年的醫療形式,隨著蒐集的臨床資料量變多、演算法更先進、電腦運算速度加快,利用演算法與高速計算處理與分析臨床資料,協助醫師進行診斷、評估預後、決定治療方式的模式,近年更有爆發性的成長,許多智慧醫療相關的新創公司如雨後春筍般成立,學術上也有許多相關論文發表。

實務應用上,醫師能夠在獲得醫學影像資料後,透過人工智慧技術的輔助,自動圈選出欲觀察部位及病灶,省去以肉眼在茫茫資料海中查找問題點所需的時間,降低其工作負擔。而當人工智慧(artificial intelligence,AI)偵測出可疑的病灶時,醫師將以其醫學專業進行最後判斷,使珍貴的醫療人力得到最有效的運用。

然而,AI 在使用上也有其限制性,其中,訓練 AI 模型的資料來源就是一大關鍵。舉例而言,若當初是以台灣人的醫療影像資料,所訓練與建構而成的 AI 模型,直接套用在歐美人士身上,由於存在人種差異,可能就會提高誤判的機率。

智慧醫療面臨的倫理議題

所謂「以人為本」,是指「以人為主體,為人帶來健康福祉」。舉例來說,2020 年王教授所創立的國立臺灣大學 MeDA 實驗室(http://meda.ai),也加入了 COVID-19 的大規模跨國研究計畫,目的在透過 AI 技術,輔助醫師判斷新冠肺炎的病患未來是否會使用到呼吸器,最終 AI 模型有高達 94 % 的準確率,研究成果也發表於國際頂級期刊。然而,在實際的臨床場域中,智慧醫療面對的不僅是技術問題,尚有其他衍伸的議題需要考量,其中,生命倫理就是很關鍵的部分。

以這個 COVID-19 的研究計畫為例,我們必須反思這個研究成果將帶來什麼影響?若 AI 系統預測需要使用的呼吸器數量,大於醫院的負荷量,資源該如何分配?亦或是被 AI 系統判斷預後較差的病患,是否還要進行救援?智慧醫療的實現,必須納入對人的核心關懷,同時加入生命倫理的思考。另外一個例子是,為避免諸多倫理爭議,也必須在資料取得與隱私權之間取得平衡。因此,目前用來訓練 AI 模型的醫療數據,都會先進行「去識別化」的工作,以保障病患隱私。

智慧醫療的契機與實踐

王教授以「醫學影像鏈結」(Quantitative Medical Imaging Chain)來總結智慧醫療的契機與應用。智慧醫療是一個跨界合作的領域,例如:X 光的成像原理有相應的物理專業;顯影劑需要一定的生物化學知識;取像設備則與工程學相關;醫療影像數據分析本身,同時結合醫學、數學、統計、資料科學及程式語言等跨域科學及技術。智慧醫療應用存在著許多機會,例如:如何減輕醫師的工作量、如何輔助醫師提高診斷精準度、如何讓醫療資源分配更平均,使偏遠地區也能得到高品質的醫療照護。

另一方面,醫療 AI 並不能完全取代醫師的工作,而是成為醫師的助手及工具,在這個觀點上,智慧醫療是一個轉型的過程,需要長期的投入且不斷追求進步,其中最關鍵的工作是釐清臨床醫師的需求及其使用情境,進而思考如何將 AI 技術無縫地融入臨床工作流程與場域,並持續動態調整。此外,還需積極與醫師、護理師、病患、行政管理、資訊室等各方利害關係人溝通討論,建立信任關係,智慧醫療才得以逐步實踐。

(本文為教育部「人工智慧技術及應用人才培育計畫」成果內容)

views